大数据及其在电信运营中的应用研究_胡舜耕

视点

大数据及其在电信运营中的应用研究

胡舜耕　魏进武

中国联通研究院

从大数据概念出发，首先分析大数据关键技术，如Hadoop技术、云计算、数据挖掘等，其次分析大数据在电信运营中的应用案例，给出国内外电信运营商在打数据方面的应用案例，最后展望电信运营中大数据及其应用的发展前景。

大数据 技术 应用 电信运营 Hadoop 云计算

摘要关键词

引言

大数据或称巨量资料，是指所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯[1]。

维克托?迈尔-舍恩伯格和肯尼斯?库克耶在《大数据时代》中指出，“大数据是指不用随机分析法这样的捷径，而采用所有数据的方法。”[2]

2001年麦塔集团（META Group，后被 Gartner收购）分析师道格?莱尼（Dougl Laney）提出3D数据管理：控制数据量（Volume，数据大小）、速度（Velocity，数据产生的速度快，数据处理效率高）及多样性（Variety，多种数据形式、结构与半结构化数据、不一致的数据语义）。他指出，商业条件和媒体把传统数据管理规则推向极限，新的数据管理方法正在涌现[3]。

在2011年麦肯锡全球研究院发布的《Big Data: The Next Frontier for Innovation, Competition, and Productivity》研究报告中最早提出“ Big Data”即“大数据”概念[4]。麦肯锡认为，“大数据”是指其大小超出典型数据库软件的采集、储存、管理和分析等能力的数据集。目前，大数据的一般范围是从几个TB到数个PB。

一般认为，大数据是指传统技术不能在合理时间、合理成本下高效获取、管理、处理和分析的巨型数据集，它具有大数据的4V特征：数据体量大，增长速度快，数据类型多样化，数据价值稀疏。

大数据关键技术

21世纪是数据信息大爆发的时代，移动互联网、物联网、社交网络、电子商务等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀，大数据相关技术在继承和发展传统信息技术的基础上不断推陈出新。

2.1 Hadoop技术

Hadoop由Apache Software Foundation公司于2005年秋天作为Lucene的子项目Nutch的一部分正式引入。它受到最先由Google Lab开发的Map/Reduce和Google File System （GFS）的启发。Hadoop是一个适合大数据的分布式存储与计算平台，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的高速运算和存储能力解决大数据面临的计算和存储问题。Hadoop核心项目是HDFS（Hadoop Distributed File System，分布式文件系统）和MapReduce，并行计算框架。Hadoop是用Java编写的，Hadoop程序目前只能运行在Linux系统上。

H D F S是一个发端于谷歌文件系统的开源文件系统。HDFS文件被分成Block存储在磁盘上，Block一般是以64MB 划分，但每个Block块所占用的空间是文件实际的空间。为保证数据安全，文件会有多个副本，这些副本会一块一块复制，分别存储在不同的数据节点上。HDFS缺省情况下会将三个数据副本存储在不同的数据节点上，两个副本是在同一个机架上，另一个副本在不同的机架上。HDFS的设计旨在

doi:10.3969/j.issn.1000-1247.2015.01.003

成为一个容错的文件系统，使数据的副本可以存储在文件系统内不同的地点上，因此从错误的数据副本或宕机的服务器中恢复数据就变得相当容易。而且，将大数据划分成相对较小的Block块，可以充分利用磁盘空间，方便管理。

MapReduce由Map 和 Reduce操作组成，Map函数接受一组数据并将其转换为一个键/值对列表，R e d u c e函数接受M a p函数生成的键/值对列表，然后根据它们的键进行规约，生成作为M a p R e d u c e输出的缩减键/值对列表。MapReduce是用于并行处理大数据集的软件框架，适用于编写以数据处理为主，能够高度并行化的程序，对于源数据关联度高，难以分割的应用并不适合。

Hadoop体系中另一个重要组成要素是HBase。HBase 是一个分布式的、面向列的开源数据库，该技术来源于Fay Chang所撰写的Google论文：“Bigtable：一个结构化数据的分布式存储系统”。就像Bigtable利用Google文件系统所提供的分布式数据存储一样，HBase在Hadoop之上提供类似于Bigtable的能力。HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式[1]。

Hadoop的分布式处理架构支持大规模的集群，允许使用简单编程模型进行跨计算机集群的分布式大数据处理。它可以从单服务器扩展到几千台服务器，每台服务器都有自己的计算和存储。Hadoop不是依赖硬件实现高可用性，它通过应用层来检测与处理故障，以在计算机集群上交付高可用服务，所以可以轻松应对PB级数据处理。

2.2 云计算

云计算是2007年底正式提出的一个新概念。云计算一开始并没有一个明确的标准或定义，直到2011年，NIST（美国国家标准与技术研究院）把云计算称为一个模型，该模型允许随地、按需、方便地通过网络访问共享的可配置的计算资源，为业界所公认。

云计算提供三个层次的服务，IAAS实现异构存储、计算、网络资源的统一虚拟化管理，按需分配，PAAS实现异构计算能力统一管理、按需弹性分配，SAAS通过浏览器把应用软件分享给成千上万的用户。

虚拟化是云计算的一项核心技术，云计算资源的管理通过虚拟机的方式实现。由于虚拟机是一类特殊的软件，能够完全模拟硬件的执行，因此能够在上面运行操作系统，进而能够保留一整套运行环境语义。这样，可以将整个执行环境通过打包的方式传输到其他物理节点上，使得执行环境与物理环境隔离，方便整个应用程序模块的部署。

如果说Hadoop为大数据处理提供了分布式软件框架，那么云计算主要提供了统一虚拟化管理，按需分配的异构存储，计算和网络资源等基础设施。由于大数据的指数级增长、数据源和数据结构的多样性以及时效性要求高，传统的数据采集、传输、处理和使用基础设施面临效率低、能耗大、成本高等诸多不足，随着互联网应用快速发展起来的云计算为大数据走向实用提供新的基础设施架构。

2.3 数据挖掘

数据挖掘也称数据库中的知识发现，是指从大型数据库或数据仓库中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在有用信息，提取的知识一般可表示为概念、规则、规律、模式等形式[5]。数据挖掘涉及机器学习、自然语言处理、模式识别、统计学、数据库、可视化技术等多个领域。原始数据通过数据获取、ETL（Extract提取、Transform转换、Load加载）、数据挖掘、数据表示、数据应用等数据处理过程，实现从数据到信息再到知识的转化，数据挖掘是数据转化为知识的关键环节。

自从1990年代初数据挖掘引起人们广泛关注以来，涌现了一大批数据挖掘方法和技术。自然语言处理是研究实现人与计算机之间用自然语言进行有效通信的理论和方法。神经网络受生物神经网络结构和机制的启发，模拟人脑神经元结构，是一种通过训练来学习的非线性预测模型，它可以完成分类、聚类、特征规则等多种数据挖掘任务。遗传算法是模拟生物界的进化规律（适者生存，优胜劣汰遗传机制）演变而来的随机性搜索方法，它是基于群体的、具有随机和定向搜索特征的迭代过程，采用概率化的寻优方法，自动获取和指导优化的搜索空间，不需要确定的规则，自适应地调整搜索方向。聚类分析是一种多元化群体的分类统计方法，针对数据的相似性和差异性，将一个数据集分成较小的数据组。关联规则学习是在数据集中发现感兴趣关联关系的方法，包括多种生成和测试可能规则的算法。可视化技术即采用直观的图形方式将信息模式、数据的关联或趋势呈现给决策者，主要包括数据、模型和过程三方面的可视化。

大数据具有数据体量大、数据增长速度快、数据类型多样化和数据价值稀疏等特征，要有效处理这种新的巨型数据集，需要对传统数据挖掘方法和技术做更多创新。

大数据在电信运营中的应用案例分析

国内外电信运营商大数据应用主要有以下几方面：网络管理和优化，包括基础设施建设优化及网络运营管理和优化；市场与精准营销，包括用户画像、精准营销和个性化推荐等；客户关系管理，包括用户体验优化、客户维系和客户

生命周期管理等[6]。

Orange通过分析掉话率数据，找出超负荷运转的网络并及时进行扩容，从而有效完善网络布局。在iPhone上市伊始，AT&T选择与Facebook结成战略联盟，通过对Facebook 的非结构化数据进行分析，挖掘用户对价格、移动功能、服务感知等产品指标的体验情况，从而推出更加准确的电信捆绑服务。Verizon通过多媒体、社交媒体等渠道了解客户的消费行为，实现对消费者的精准营销洞察。意大利电信通过对客户数据的洞察，有效地预测收入状况与客户行为的关联性，推出诸多个性化产品满足客户需求。Telefonica启动一个针对移动宽带网络的端到端用户体验管理项目，并建立一个包含60多个用户体验指标的系统，支持无线网络控制器（RNC）、域名系统（DNS）、在线计费系统（OCS）、GPRS业务支撑节点（SGSN）等各种网络节点的信息采集，为用户体验优化提数据支撑。T-Mobile在多个IT系统中整合了大数据应用，通过将社交媒体数据和CRM及计费系统中的交易数据进行综合分析，更准确地预测客户流失率[7]。

中国联通的“移动通信用户上网记录集中查询与分析支撑系统”中就引入大数据和Hadoop技术，构建了一个全国集中的一级架构海量数据存储和查询系统，用于支撑全网数亿用户的上网记录查询工作，通过集中统一的大数据平台对用户数据进行深度的挖掘分析，提升针对3G用户的个性化业务支持能力。

在中国移动“大云”产品总体架构中，其分析型PaaS产品底层基于Hadoop数据存储和分析平台，选择数据仓库与Hadoop混搭的方式，利用Hadoop的非结构化数据处理能力以及存储的低成本，同时借鉴关系型数据仓库在传统应用支持方面以及在复杂查询和分析方面的快速响应能力，整合并行数据挖掘工具、数据抽取转换以及搜索引擎，提供商务智能平台。广东移动基于Hadoop平台构建详单账单查询系统，为用户提供详单账单的实时查询，能够利用存储在HBase中的大量电话详单进行情报分析，可以结合实时和非实时数据汇合，提取和分析挖掘，为了解客户行为提供帮助。

前景展望

以3G/4G为代表的移动互联网时代，互联网行为数据、话单数据、WAP日志/Web日志、信令信息等结构化与非结构数据呈几何级数增长，电信运营中的大数据应用将在以下方面取得突破。

首先，电信运营中的大数据将在数据体量、增长速度、数据类型多样化、数据价值稀疏4方面变得越来越“复杂”，总体拥有成本越来越“不可控”，大数据技术将有新的突破。人们把2013年称为大数据元年，从大数据元年至今，不过两年时间，国内外电信运营商已经在电信运营中的大数据应用领域进行广泛的探索。分析这些试验性的探索，不难发现，目前处理的数据还是不够“复杂”，数据源头尚没有全覆盖，离真正的“大数据”还有较大的行进空间。而且，因为数据价值的稀疏性，人们会发现未来的“大数据”总体拥有成本会越来越“不可控”。这些因素将促成大数据技术取得新的突破。

其次，管道智能化催生电信网络的数据化，将成为电信运营中大数据的重要来源之一。智能管道的核心，一是识别不同的业务类型；二是通过深度包检测技术，判断用户的类别。电信运营商经营“哑管道”，监测到的是流量，经营智能管道，即监测到的是“流量+业务+用户”。毫无疑问，在移动互联网时代，管道智能化是电信运营商的不二选择。管道智能化的代价之一是产生巨量的数据。在电信网络数据化的同时，如何高效管理和利用这些海量数据，是电信运营商必然面对的课题。电信网络数据化产生的海量数据将在用户画像、业务发展、精准营销、网络规划、网络运维、运营管理等诸多方面得到应用。

再次，随着大数据应用的不断丰富和发展，将出现新型数据服务形态。在目前试验性的探索中，大数据基本上还是“部门所有制”，这种所有制形式严重制约大数据的创新发展。未来在电信运营商内部有望首先建立起“私有数据云”，实现企业内部不同部门之间的数据集成与数据共享，为电信运营商大数据的价值创造打造一个良性的生态环境。在“公有数据云”出现之前，有必要建立数据所有者权益、隐私保护和数据安全等政策与法律体系。

最后，大数据标准体系将逐步建立和完善。大数据的发展，使得通过信息网络传输与共享的数据越来越多。在数据采集、存储、处理、传输、共享与应用的数据处理过程中，需要数据所有者的深度参与，需要大数据产业链各方的高效协同，需要政府的指导和监管，这就需要建立起企业化、行业化、社会化的大数据标准体系。

结束语

大数据是信息社会的产物。数据在交易和交互中产生，通过信息网络传输、分发和处理。电信运营商是信息网络的经营者，它拥有的数据最全面、最准确、最权威。电信运营中的大数据将在网络管理和优化、市场与精准营销、客户关系管理、运营管理等方面不断取得新的突破，并成为电信运营商转型发展的新引擎。

参考文献

[1]　大数据[EB/OL].https://www.wendangku.net/doc/1610989080.html,,2014

[2]　维克托?迈尔-舍恩伯格，肯尼思?库克耶[英]著,盛杨燕,周涛译.大数据时代-生活、工作与思维的大变革[M].杭州:浙江人民出版社,2012

[3]　Dougl Laney.3D Data Management:Controlling Data Volume,Velocity,and Variety[DB/OL].META Group,6 February 2001

[4]　Big Data:The Next Frontier For Innovation,Competition,And Productivity[R].McKinsey Global Institute,May 2011

[5]　FAYYAD U M,PIATETSKY-SHAPIRO G,SMYTH P.Advances in Knowledge Discovery and Data Mining[M].California:AAAI/MIT Press,1996

[6]　傅志华.大数据在电信行业的应用[E B/O L].h t t p://w w w. https://www.wendangku.net/doc/1610989080.html,,2014

[7]　全球10强电信运营商的大数据应用之道[E B/O L].h t t p://w w w.

https://www.wendangku.net/doc/1610989080.html,,2014

如对本文内容有任何观点或评论，请发E-mail至ttm@https://www.wendangku.net/doc/1610989080.html,。

作者简介

胡舜耕

博士后，现就职于中国联通研究院，高级工程

师，先后在国内外期刊、学术会议上发表论文近

40篇，研究方向为大数据、云计算、IT架构等。

魏进武

博士，现就职于中国联通研究院，高级工程

师，从事大数据、云计算以及I T架构研究与

实施。

南向兼容集成各类传统网络交换产品和SDN等软件化交换解决方案；同时北向遵循TOSCA标准，为vIMS、虚拟路由器等众多网元的云化提供标准和依据，完成包括自动扩容和缩容、自动治愈、自动化部署等网元业务的生命周期管理。通过系统状态监控和故障根源分析，自动化NFVI管理运营在提升运维工作效率的同时，增加业务运营的灵活性。

建设基于大数据分析的业务平台成为趋势，其分析能力将用于虚拟网络业务的验证、自动部署和管理。由于NFV从根本上打破原来封闭的电信设备体系，将其分解为多个层次，其中包括硬件、虚拟化管理、虚拟化电信网络软件、业务编排、系统集成等，导致系统复杂度与管理难度大大提升。为此，基于大数据分析的业务策略控制，从提升客户体验入手，根据动态的信息驱动合适的业务系统是NFVI的一个重要组成部分。系统可以分析用户业务质量数据和相关信息，监测网络使用状态和性能趋势，帮助运营商实现新业务的快速开发和部署，从而达到帮助网络运营商降低NFV实施复杂性和难度，提高业务系统可靠性与可用性，改善用户体验的目的。

2.7 软件定义安全及自动化的安全防御，确保网络

更加可信和可靠

网络功能的虚拟化和软件定义网络，将推动实现软件定义安全。软件定义安全主要是通过软件编程的方式实现网络安全功能和相关的API，并对它们进行智能化地编排和管理。通过软件定义网络的集中控制，安全管理员掌握全网的安全动态，实现根据需要启动虚拟化的安全功能，监控动态环境下全网中与安全事件相关的流量，进而对全网进行统一安全策略部署，以达到保障网络安全的目的。

软件定义网络的自动化管理，将促进网络安全防御的自动化。传统网络往往通过人工方式进行安全管理和防御，不能适应网络资源管理自动化的安全需求。软件定义网络的自动化管理根据安全管理员设置的策略进行全网监控，一旦检测到安全威胁，系统就会产生一个告警，触发安全功能模块分析捕捉到的数据包，从而进一步产生更多的高级响应，最后网络中的安全系统会快速处理此次检测到的安全事件，达到网络安全防御的目的。

结束语

随着网络不断向宽带化、移动化、泛在化和融合化演进，用户的需求已从单一的语音业务向个性化、多样化、专业化和体验化的信息服务发展。通信网络需以更低的成本提供超宽带网络，实现从接入层到传送层的超宽带业务承载，在提供可靠传送的同时，以最低的总体成本，向用户提供更高带宽、更好质量的宽带业务；同时，在All IP的前提下，充分利用SDN/NFV和云计算技术实现网络架构的优化和创新，为信息通信业务、移动互联网业务、物联网等各种创新性业务提供保障和更好的用户体验。

如对本文内容有任何观点或评论，请发E-mail至ttm@https://www.wendangku.net/doc/1610989080.html,。

（上接13页）

电信运营商行业大数据应用考试试题及答案

企业级大数据平台架构 电信行业大数据应用案例分享 互联网+行业大数据应用案例分享 第一套题 1、哪个选项不属于大数据4V特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C、处理速度快 D、数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（BD） A、相关性比因果更重要 B、要效率也要绝对精准 C、大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、HDFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C、流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC） A、理论 B、推演 C、模拟 D、计算

大数据时代运营商的SWOT分析

西安邮电大学 科研训练（论文）题目：大数据时代运营商的SWOT分析 院（系）：经济与管理学院（工商管理系） 专业：人力资源管理 班级：1102班 学生姓名：刘丹 导师姓名：尹丽英职称：讲师 起止时间：2013年9月16日至12月6日

科研训练（论文）成绩鉴定表 指导教师评语

目录 摘要........................................ 错误!未定义书签。Abstract......................................... 错误!未定义书签。 1 引言...................................... 错误!未定义书签。 2 大数据时代运营商的发展现状 (1) 2.1大数据的含义及特征............................... 错误!未定义书签。 2.2大数据的应用领域及其价值......................... 错误!未定义书签。 2.3大数据时代运营商的发展现状 (3) 2.4大数据时代运营商的发展趋势 (4) 3 大数据时代运营商的SWOT分析 (5) 3.1优势与劣势分析 (5) 3.2机会与威胁分析 (6) 4大数据时代运营商的经营策略 (8) 5结论 (10) 参考文献 (11)

摘要 近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库服务器Exadata等一批新产品。对于电信运营商这样的大型企业而言，需要思考如何应用这些新技术，解决在大数据时代背景下所面临的挑战，从而提升企业价值。本文立足于电信行业，通过分析大数据的现状及发展趋势，利用SWOT分析模型，阐述电信运营商在大数据时代背景下的优势与劣势，以及所面临的机遇与挑战，并提出相关应对策略，最后展望在大数据时代电信企业的发展及转变趋势。 关键词：大数据运营商 SWOT分析模型数据挖掘

大数据时代信息技术在中国电信公司的应用研究

宁夏大学新华学院本科毕业论文 （2017届） 题目大数据时代信息技术在中 国电信公司的应用研究 系别经济与管理科学系 专业信息管理与信息系统 年级 2013级 学生学号 12013248654 学生姓名吴伟 指导教师万治清 2017 年 4 月 11 日

摘要 互联网的兴起加速大数据时代到来，电信运营商面临重大机遇。联网的快速发展, 计算机运算处理能力的日益强大, 云计算和数据中心的兴起, 促使大数据时代快速到来。如何充分有效利用大数据技术,获取其中蕴藏的巨大价值,这些已经成为大数据时代所面临的主要任务。首先本文对目前中国电信公司信息技术的使用现状进行了分析;进而对中国电信信息技术应用中存在的问题进行总结;最后阐述了中国电信大数据应用方面的几点建议。为使中国电信可以在大数据时代下迎来更好更快的发展。 【关键词】：大数据，云计算，信息技术，电信运营商

Abstract The rise of the Internet to accelerate the arrival of large data era, telecom operators face a major opportunity. The rapid development of networking, the growing power of computing computing, the rise of cloud computing and data centers, the rapid arrival of large data age. How to make full use of large data technology, access to the huge value of which, which has become a major data era facing the main task. First of all, this paper analyzes the current situation of the use of information technology in China's telecom companies, and then summarizes the problems in the application of telecom information technology in China. Finally, it expounds some suggestions on the application of China Telecom's large data. In order to make China Telecom in the large data to be better and faster development. 【Key words】：large data，cloud computing，information technology，telecom operators

旅游大数据平台方案

旅游研究院大数据挖掘与分析科研平台建设方案

一. 背景 1.1 数据挖掘和大数据分析行业背景和发展趋势 移动互联网、电子商务以及社交媒体的快速发展使得企业需要面临的数据量成指数增长。根据 IDC 《数字宇宙》(Digital Universe)研究报告显示，2020 年全球新建和复制的信息量已经超过 40ZB，是2015年的12倍;而中国的数据量则会在2020年超过8ZB，比2015年增长22倍。数据量的飞速增长带来了大数据技术和服务市场的繁荣发展。IDC亚太区(不含日本)最新关于大数据和分析(BDA)领域的市场研究表明，大数据技术和服务市场规模将会从2012年的5.48亿美元增加到2017年的23.8亿美元，未来5年的复合增长率达到34.1%。该市场涵盖了存储、服务器、网络、软件以及服务市场。数据量的增长是一种非线性的增长速度。 据IDC分析报道，最近一年来，亚太区出现了越来越广泛的大数据和分析领域的应用案例。在中国，从互联网企业，到电信、金融、政府这样的传统行业，都开始采用各种大数据和分析技术，开始了自己的大数据实践之旅;应用场景也在逐渐拓展，从结构化数据的分析，发展到半结构化、非结构化数据的分析，尤其是社交媒体信息分析受到用户的更多关注。用户们开始评估以Hadoop、数据库一体机以及内存计算技术为代表的大数据相关新型技术。 最新调研结果显示，提高竞争优势，降低成本以及吸引新的客户是中国用户对大数据项目最期望的三大回报。目前现有的大数据项目主要集中在业务流程优化以及提高客户满意度方面的应用。IDC发现很多用户希望大数据能够为企业带来业务创新，并且开始使用高级分析的解决方案以管理复杂的数据环境。过去一年中用户对社交数据的收集和分析应用的关注度增加明显。未来，地理位置信息分析将会增长迅速，这也会推动用户对大数据安全和隐私管理的关注。在亚太区，澳大利亚和新加坡的用户对大数据的相关投资主要在咨询服务方面，更关注如何根据新的最佳实践需求设计和实施方案。中国和印度在大数据领域的硬件投资则非常明显，更倾向于数据中心相关的基础架构的投资。

三大电信运营商大数据平台发展分析

三大电信运营商大数据平台发展分析 9月29日消息，如今我们处在一个无处不数据的时代，坐拥大数据这座富矿，国内无论是互联网企业还是运营商都在紧锣密鼓的建设大数据平台，企图将这座宝矿开发成为熠熠生辉的“钻石”。 目前，国内三大运营商迎接大数据时代的步伐和规划各自不同，中国电信的大数据平台已经扩展到31个省，基础平台建设基本完成；中国联通虽然起步晚一些，但是其大数据产品体系已经发展成为六大产品种类；相对于中国电信和中国联通的成熟，中国移动的数据中心资源略显不足，但是需求量不断递增，也在不断努力布局中。 中国电信：大数据平台扩展到31个省基础平台建设基本完成 中国电信所有的大数据都是在云平台和云设施之上搭建的，如今其大数据平台建设从原来的5个省现在扩展到31个省，数据的种类从开始的几类主要的数据扩展到十几类，实效性是原来一周到现在小时的延时。 中国电信云计算分公司大数据事业部首席数据分析师张宇中表示：“中国电信的大数据平台跟其它合作伙伴的模式不一样，中国电信主要是做节约化运营，将数据的汇聚、接入、存储、加工、输出整合在一起，这样前端的响应可以快速的传递到客户中去，并且可以持续的循环。同时，中国电信的平台开发还做了具体功能区分。” 目前中国电信已经完成了大数据基础平台的建设，正在继续完善行业的应用。依托云网融合，中国电信的大数据开放平台一直拥有强大的资源，中国电信有八大资源基地，还有内蒙和贵州两大数据中心，并且很多区域下沉的边界。 2015年11月28日，中国电信正式发布“天翼大数据”品牌，并推出精准

营销、风险防控、区域洞察、咨询报告四类数据型产品和大数据云平台型产品，重点服务于旅游、金融、广告、政府、交通等行业。这是中国电信运营商第一个大数据业务品牌。 据了解，中国电信推出的4+1产品模块，拥有15个子项。其中有面向个人拥护推出的风控的和精准营销产品；还有一部分是输出具体数据，形成相关报告；此外，中国电信还开发了PAAS的平台对价值链的某一方面具有专业特色的公司能够利用大数据平台做它所擅长的事情。可以说，中国电信通过多种手段为产业链打造了一个比较安全可靠的大数据平台。 此外，中国电信还和其它100家企业共同发起成立BDU中国企业大数据联盟，期望能够与产业链共同推进大数据生态的建设。 中国联通：大数据产品体系发展为六大类 中国联通从2013年开始发展大数据业务，如今其大数据产品体系已经发展成为六大产品种类。 据了解，这六大产品种类分别是：一征信产品，例如大数据最大的应用是在金融行业，金融行业需求电信运营商所拥有的大量用户的真实性数据；二沃指数，分析包括市场洞察和行业指数两个方面，行业指数涉及到金融、交通、旅游、APP，以及各类的各个垂直行业分析的指数；三精准营销产品，中国联通有很多用户资源和渠道，在保护用户隐私的前提下，可以做到针对不同的场景和不同的用户，进行内部和外部的精准营销；四用户标签；五能力开放平台；六智慧足迹。 特别需要指出的是去年底中国联通在第二届世界互联网大会上，首次发布了“沃指数”大数据产品体系。该产品体系以中国联通4亿用户数据为基础，具备海量、实时的数据处理能力，通过与政府、行业权威机构的数据进行整合、提炼、分析和挖掘，具有真实、全量、安全、实时、公正的特点。 据介绍，“沃指数”涵盖了3000余个用户标签，能够轻松识别3.8亿条URL、6万个互联网产品、约3000个手机品牌、8.2万个终端型号，据此可助力政府在城市规划、公共服务、交通出行、旅游监控、抢险救灾等方面提供决策依据；帮助企业在商业选址、广告投放、信用控制、产品设计等方面提供分析报告及经营决策指导；为公众提供交通出行、旅游选择、消费指南等生活服务。 目前中国联通对移动网和固网用户的数据采集、数据存储、分析和挖掘，形

运营商大数据应用解决方案

运营商大数据应用解决方案

运营商大数据应用 解决方案

目录 1.大数据概述 (9) 1.1.概述 9 1.2.大数据定义 9 1.3.大数据技术发展 11 2.大数据应用 (14) 2.1.大数据应用阐述 14 2.2.大数据应用架构 16 2.3.大数据行业应用 16 2.3.1.医疗行业 16 2.3.2.能源行业 17 2.3.3.通信行业 17

2.3.4.零售业 18 3.大数据解决方案 (19) 3.1.大数据技术组成 19 3.1.1.分析技术 19 3.1.1.1.................. 可视化分析 19 3.1.1.2................. 数据挖掘算法 19 3.1.1.3................. 预测分析能力 19 3.1.1. 4................... 语义引擎 19 3.1.1.5............. 数据质量和数据管理 20 3.1.2.存储数据库 20 3.1.3.分布式计算技术 21 3.2.大数据处理过程 23 3.2.1.采集 23 3.2.2.导入/预处理

24 3.2.3.统计/分析 24 3.2. 4.挖掘 24 3.3.大数据处理的核心技术-Hadoop 25 3.3.1.Hadoop的组成 25 3.3.2.Hadoop的优点： 28 3.3.2.1.................. 高可靠性。 28 3.3.2.2.................. 高扩展性。 28 3.3.2.3................... 高效性。 29 3.3.2. 4.................. 高容错性。 29 3.3.3.Hadoop的不足 29 3.3. 4.主要商业性“大数据”处理方案 29 3.3.2.5....... IBM InfoSphere大数据分析平台 30 3.3.2.6...... Or a c l e Bi g Da t aApplianc 31

基于电信运营商移动承载网络的旅游大数据应用

基于电信运营商移动承载网络的智慧旅游大数据应用 一、项目背景 国家旅游局正式将2014年旅游宣传主题确定为“美丽中国之旅——2014年智慧旅游年”。要求各地旅游局以智慧旅游为主题，引领智慧旅游城市、景区等旅游目的地建设，以信息化带动旅游业向现代服务业转变。在信息化迅速发展的今天，智慧旅游的发展离不开大数据，需要依靠大数据提供足够有利的资源，智慧旅游才能得以“智慧”发展。 国内大众持续增长的旅游需求以及哈尔滨持续增长的旅游目的地吸引力，让哈尔滨的游客数量保持高位运行，尽管哈尔滨在公共服务的基础设施上做了大量投入，但在激增的客流面前，依然不能满足需求。尽管哈尔滨旅游产业运行监测调度平台及时监测到了景区客流信息，并通过视频监控与应急指挥系统进行了应急处理，但由于缺少数据积累和大数据分析系统，无法挖掘游客出行规律，缺少前期客流出行预警及引导手段，旅游市场精细化管理还处在事中监控和事后应急处理阶段。 移动互联网时代旅游者手中的手机是唯一一个伴随整个旅游活动的信息交流介质，也是有关旅游者大数据的主要来源。目前在移动通讯数据方面的旅游大数据应用探索主要是： 1.移动手机信令数据。2013年以来，国内陆续有省市目的地与电信运营商合作，通过采集分析移动手机信令数据来监测旅游景区内旅游者的归属地信息，其中山东省监测省内的50家景区，范围最大。通过监测可以分析各个景区游客的客源结构、停留时间和实时流量，其中景区的客源结构数据尤其重要。这是国内目的地第一次基于大数据分析获取旅游者信息的模式，也是第一次通过信息技术手段直接获取旅游者信息方式。通过近两年的实践情况来看，优势是时效性强，数据获取直接，客源分析数据详尽，客源区域分布数据可以到地级市。缺陷是对位于市区的景区在区分本市市民手机和本市游客手机时，经常有误差；另外对于黄金周和非黄金周时段的不同流量算法还存在问题，有待进一步优化解决。山东已开始尝试把监测范围扩大到目的地城市，以目的地城市手机漫入漫出数据为基础，分析外来旅游者相关信息，同时把合作范围扩大到移动、联通和电信三大运营商。从目前来看，这是分析目的地景区旅游者属性信息尤其是客源结构信息最准确最有效的方法。 2.移动手机LBS数据。百度推出的景区热力图是这方面有益的探索，它是通过游客的LBS数据，分析得出旅游者的行为信息，借以了解景区内游客的分布和聚集状态。景区通过积累时期数据，可以研究不同时期以及一天中不同时间游客的分布聚集规律和流动特点，对

大数据应用之电力应用

大数据应用之电力应用 一、背景 大数据不是ICT行业的专利。目前，金融、广电等传统行业都在积极借助大数据的力量，帮助企业实现转型。在电力行业，大数据已经被视作企业战略层面的重要议题：中国电力公司就在XX、XX、XX建立了多个大数据中心，其中某个大数据中心已安装超过10000多个传感器，每个月可节约的能耗价值大概为30万元。那么，电力行业如何应用大数据？在电力行业面临的挑战中，电信业能找到哪些共性，电信业又有怎样的机遇？电力行业的应用策略中有哪些值得电信业借鉴？ 大数据在公共管理、零售、互联网、电信、金融等众多行业快速推广，市场规模迅速扩大，2012年国内大数据市场规模已达4.5亿元。IDC预测，2016年中国大数据市场规模将达6.17亿美元，而全球规模将达238亿美元。大数据已经渗透到当今的每个行业，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。大数据超过了传统数据库系统的处理能力，为了获得数据中的价值，必须选择新的方式进行处理。电力大数据是大数据理念、技术和方法在电力行业的实践，是大数据应用的重点领域之一。 电力大数据的特征可以概括为3“V”3“E”。其中3“V”分别是体量大（Volume）、类型多（Variety）和速度快（Velocity），3“E”分别是数据即能量（Energy）、数据即交互（Exchange）、数据即共情

（Empathy）。 二、大数据应用机遇 重塑电力核心价值和转变电力发展方式是电力大数据的两条核心主线。电力大数据通过对市场个性化需求和企业自身良性发展的挖掘，驱动电力企业从“以电力生产为中心”向“以客户为中心”转变。电力大数据通过对电力系统生产运行方式的优化、对间歇式可再生能源的消纳以及对全社会节能减排观念的引导，能够推动中国电力工业由高耗能、高排放、低效率的粗放发展方式向低耗能、低排放、高效率的绿色发展方式转变。此外，电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务 1、优化管理模式 电力行业数据量大、类型多、价值高，对于电力企业盈利与控制水平的提升有很高的价值。有电力专家分析称，每当数据利用率调高10%，便可使电网提高20%~49%的利润。和电信行业一样，电力行业对大数据的使用也分为内部应用和外部应用。 内部应用指运用大数据优化电力企业管理模式，提升电力企业经营管理水平，主要包括以下几个方面。 支持基建决策 大数据技术有助于电力企业基础设施选址、建设的决策。例如丹麦风电公司VESTAS计划将全球天气系统数据与公司发电机数据结合，利用气温、气压、空气湿度、空气沉淀物、风向、风速等数据以及公司历史数据，通过使用超级计算机及大数据模型解决方案，来支

大数据在电信行业的应用

大数据在电信行业的应用 电信与媒体市场调研公司Informa Telecoms & Media在2013年的调查结果显示，全球120家运营商中约有48%的运营商正在实施大数据业务。该调研公司表示，大数据业务成本平均占到运营商总IT预算的10%，并且在未来五年内将升至23%左右，成为运营商的一项战略性优势。可见，由流量经营进入大数据运营已成为大势所趋。 电信运营商拥有多年的数据积累，拥有诸如财务收入、业务发展量等结构化数据，也会涉及到图片、文本、音频、视频等非结构化数据。从数据来源看，电信运营商的数据来自于涉及移动语音、固定电话、固网接入和无线上网等所有业务，也会涉及公众客户、政企客户和家庭客户，同时也会收集到实体渠道、电子渠道、直销渠道等所有类型渠道的接触信息。整体来看，电信运营商大数据发展仍处在探索阶段。 大数据在电信行业应用的总体情况 目前国内运营商运用大数据主要有五方面：（1）网络管理和优化，包括基础设施建设优化和网络运营管理和优化；（2）市场与精准营销，包括客户画像、关系链研究、精准营销、实时营销和个性化推荐；（3）客户关系管理，包括客服中心优化和客户生命周期管理；（4）企业运营管理，包括业务运营监控和经营分析；（5）数据商业化指数据对外商业化，单独盈利。 第一方面：网络管理和优化。此方向包括对基础设施建设的优化和网络运营管理及优化。 （1）基础设施建设的优化。如利用大数据实现基站和热点的选址以及资源的分配。运营商可以通过分析话单和信令中用户的流量在时间周期和位置特征方面的分布，对2G、3G的高流量区域设计4G 基站和WLAN热点；同时，运营商还可以对建立评估模型对已有基站的效率和成本进行评估，发现基站建设的资源浪费问题，如某些地区为了完成基站建设指标将基站建设在人际罕至的地方等。 （2）网络运营管理及优化。在网络运营层面，运营商可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率。 利用大数据技术实时采集处理网络信令数据，监控网络状况，识别价值小区和业务热点小区，更精准的指导网络优化，实现网络、应用和用户的智能指配。由于用户群的不同，不同小区对运营商的贡献也不同。运营商可以将小区的数据进行多维度数据综合分析，通过对小区VIP用户分布，收入分布，及相关的分布模型得到不同小区的价值，再和网络质量分析结合起来，两者叠加一起，就有可能发现某个小区价值高，但是网络覆盖需要进一步提升，进而先设定网络优化的优先级，提高投资效率。 ?德国电信建立预测城市里面的各区域无线资源占用模型，根据预测结果，灵活的提前配置无线资源，如在白天给CBD地区多分配无线资源，在晚上，则给酒吧地区多分配无线资源，使得无线网络的运行效率和利用率更高。 ?法国电信通过分析发现某段网络上的掉话率持续过高，借助大数据手段诊断出通话中断产生的原因是网络负荷过重造成，并根据分析结果优化网络布局，为客户提供了更好的体验，获得了更多的客户以及业务增长； 第二方面，市场与精准营销。 此方向包括客户画像、关系链研究、精准营销、实时营销和个性化推荐。

电信运营商该如何利用大数据

电信运营商该如何利用大数据? 大数据市场前景广阔。市场研究公司 Marketsa ndMarkets 最新 发布 的一份报告预计，从2013年到2018年，全球大数据市场将会 出现年均26%的增长率，即从今年的148.7亿美元增长到2018年 的463.4亿美元。 全球范围内的许多企业都在进军大数据应用市场， 同时，大数据也为 电信运营商带来了新的盈利空间以及新的挑战。 大数据“美好时代”来临 互联网产生大数据，随着互联网技术的不断发展，数据也将像能 源、材料一样，成为战略性资源。如何利用数据资源深挖创新、提升I 1 0 IJ D J C □ 1 c

效益，是诸多IT企业的追求目标。大数据因其市场需求广阔、后续增长潜力大、投资前景好等优点，后续发展持续被看好。 如今，“大数据”早已渗透到我们的生活中，衍生出了形形色色的数据应用，涵盖交通、医疗、金融、文艺、体育等各个方面。大数据促进了信息融合和产业跨界，也引发了更多新业态出现。其中，获利最多的当属IT企业。 在国内，腾讯这个移动互联网巨头是最早尝到大数据甜头的企业，其从2003年起已经开始努力做手机QQ的尝试。现在，几乎每个拥有手机的网民都是手机QQ用户。另一个互联网巨头百度的新一代搜索引擎的重要支柱之一就是大数据。依托大数据，百度新一代搜索引擎才得以为用户提供更便捷与智能的医疗、交通等服务。以医疗 为例，用户可以在百度搜索引擎中便捷地获取相关病症的原因、症状、治疗等信息；甚至可以通过搜索引擎，在线咨询医生、在线挂号，这大大降低了百姓获得医疗信息和服务的门槛。除此之外，阿里巴巴的 云计算、奇虎360的商业模式、微信的运作自如……这些IT大佬们的得意，无不与“大数据”这个词语紧密相连。 在国外，大数据也被许多科技企业看作是云计算之后的另一个巨大商机，包括微软、谷歌、亚马逊和微软在内的一大批互联网巨头纷纷掘金这一市场。谷歌基于搜索数据成功建立了盈利模式；亚马逊通过云技术、大数据构建了电商帝国……大数据引发的信息融合正在改变着IT企业的发展方

旅游大数据平台方案

旅游研究院大数据挖掘与分析 科研平台建设方案 背景 数据挖掘和大数据分析行业背景和发展趋势 移动互联网、电子商务以及社交媒体的快速发展使得企业需要面临的数据量成指数增长。根据IDC 《数字宇宙》(Digital Universe)研究报告显示，2020 年全球新建和复制的信息量已经超过40ZB，是2015年的12倍;而中国的数据量则会在2020年超过8ZB，比2015年增长22倍。数据量的飞速增长带来了大数据技术和服务市场的繁荣发展。IDC亚太区(不含日本)最新关于大数据和分析(BDA)领域的市场研究表明，大数据技术和服务市场规模将会从2012年的亿美元增加到2017年的亿美元，未来5年的复合增长率达到%。该市场涵盖了存储、服务器、网络、软件以及服务市场。数据量的增长是一种非线性的增长速度。 据IDC分析报道，最近一年来，亚太区出现了越来越广泛的大数据和分析领域的应用案例。在中国，从互联网企业，到电信、金融、政府这样的传统行业，都开始采用各种大数据和分析技术，开始了自己的大数据实践之旅;应用场景也在逐渐拓展，从结构化数据的分析，发展到半结构化、非结构化数据的分析，尤其是社交媒体信息分析受到用户的更多关注。用户们开始评估以Hadoop、数据库一体机以及内存计算技术为代表的大数据相关新型技术。 最新调研结果显示，提高竞争优势，降低成本以及吸引新的客户是中国用户对大数据项目最期望的三大回报。目前现有的大数据项目主要集中在业务流程优化以及提高客户满意度方面的应用。IDC发现很多用户希望大数据能够为企业带来业务创新，并且开始使用高级分析的解决方案以管理复杂的数据环境。过去一年中用户对社交数据的收集和分析应用的关注度增加明显。未来，地理位置信息分析将会增长迅速，这也会推动用户对大数据安全和隐私管理的关注。在亚太区，澳大利亚和新加坡的用户对大数据的相关投资主要在咨询服务方面，更关注如何根据新的最佳实践需求设计和实施方案。中国和印度在大数据领域的硬件投资则非常明显，更倾向于数据中心相关的基础架构的投资。

电信运营商行业大数据应用考试试题及答案

企业级大数据平台架构电信行业大数据应用案例分享互联网+行业大数据应用案例分享第一套题 1、哪个选项不属于大数据 4V 特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C处理速度快D数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop 包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（ AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（ BD） A、相关性比因果更重要 B、要效率也要绝对精准 C大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、H DFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ ABC） A理论 B、推演 C、模拟 D、计算 第二套题 1、运营商大数据主要遍布在一下哪些域？（多选）（ ABC ） A、B 域 B、O 域 C、M 域 D、R 域 2、以下哪些是运营商大数据应用痛点？（多选）（ABCD

旅游大数据平台方案doc资料

旅游大数据平台方案

旅游研究院大数据挖掘与分析科研平台建设方案

一.背景 1.1 数据挖掘和大数据分析行业背景和发展趋势 移动互联网、电子商务以及社交媒体的快速发展使得企业需要面临的数据量 成指数增长。根据 IDC 《数字宇宙》 (Digital Universe) 研究报告显示， 2020 年全球新建和复制的信息量已经超过 40ZB，是 2015 年的 12 倍 ; 而中国的数据量则会在2020 年超过 8ZB，比 2015 年增长 22 倍。数据量的飞速增长带来了大数据 技术和服务市场的繁荣发展。 IDC 亚太区 ( 不含日本 ) 最新关于大数据和分析 (BDA) 领域的市场研究表明，大数据技术和服务市场规模将会从 2012 年的 5.48 亿美元增加到 2017 年的 23.8 亿美元，未来 5 年的复合增长率达到 34.1%。该市场涵盖了存储、服务器、网络、软件以及服务市场。数据量的增长是一种非线性的增长速度。 据IDC 分析报道，最近一年来，亚太区出现了越来越广泛的大数据和分析领 域的应用案例。在中国，从互联网企业，到电信、金融、政府这样的传统行业， 都开始采用各种大数据和分析技术，开始了自己的大数据实践之旅 ; 应用场景也在 逐渐拓展，从结构化数据的分析，发展到半结构化、非结构化数据的分析，尤 其是社交媒体信息分析受到用户的更多关注。用户们开始评估以 Hadoop、数据库 一体机以及内存计算技术为代表的大数据相关新型技术。 最新调研结果显示，提高竞争优势，降低成本以及吸引新的客户是中国用户对大数据项目最期望的三大回报。目前现有的大数据项目主要集中在业务流程优化以及提高客户满意度方面的应用。 IDC 发现很多用户希望大数据能够为企业带来业务创新，并且开始使用高级分析的解决方案以管理复杂的数据环境。过去一年中用户对社交数据的收集和分析应用的关注度增加明显。未来，地理位置信息分析将会增长迅速，这也会推动用户对大数据安全和隐私管理的关注。在亚太区，澳大利亚和新加坡的用户对大数据的相关投资主要在咨询服务方面，更关注如何根据新的最佳实践需求设计和实施方案。中国和印度在大数据领域的硬件投资则非常明显，更倾向于数据中心相关的基础架构的投资。

大数据平台在运营商支撑系统中应用

大数据平台在运营商支撑系统中应用 发表时间：2018-09-30T11:20:30.890Z 来源：《建筑学研究前沿》2018年第13期作者：张仁发 [导读] 在互联网时代，数据就是金钱。曾经有专业调查显示，各国政府对数据开放提供了新的想法，提出了大数据平台。在 中国移动通信集团广东有限公司湛江分公司 524044 摘要：互联网技术的飞快发展，计算机处理能力也逐渐强大，云计算和数据中心为大数据时代的到来奠定了良好的基础。传统的通信业务已经无法满足人们的需求，在这种背景下，恰当的使用大数据平台能够有效的推动通信行业的发展。本文介绍大数据平台的基础上，结合实际情况，分析大数据平台在运营商支撑系统的应用，从而提高运营商的经济效益。 关键词：大数据平台；运营商；支撑系统 引言 在互联网时代，数据就是金钱。曾经有专业调查显示，各国政府对数据开放提供了新的想法，提出了大数据平台。在调查中显示，很多消费者愿意相信运营商和银行的保密性，将自己的数据交到他们手中使用和处理。运营商赢得了消费者的信任度，对开展大数据平台提供了有力的基础。一家企业拥有数据的规模和应用的能力决定着这家企业的综合实力，对数据的掌控和使用成为这个国家争议的焦点。随着互联网、社交网站、电子商务的发展，各类信息服务正在迅速发展，电信行业的业务呈现出全新的形态。时下非常流行的微博、微信和QQ等通信方式，带来的图片、语音、视频等非结构化数据推动了电信数据量的增长。如何处理好这些非结构化数据，为用户提供最佳的服务成为运营商思考的重点。 一、大数据平台 虽然至今为止，人们对大数据没有给出一个确切的定义，但是对大数据进行了大量的研究发现，对大数据的本质有了新的认知。大数据平台所存储的信息非常大，其处理的数据量达到PE级别。在大数据平台上，数据更新的速度、传输的速度、存储的速度超过传统的方式。大数据平台有着自身的特点，无论是结构、用途还是处理过程都表现出多样性。数据的多样性指的是以下几点：第一点，数据来源非常广，利用传统的方法，企业获得数据的方式主要来源于交易书记，随着互联网和物联网的发簪，人们能够给通过微博、社区等方式获得想要的资源；第二点，数据的类型非常多，主要以非结构化数据为主。在传统的企业中，数据通过以表格、图片、视频等方式来保存；第三点，数据之间的关联性非常强，如果用户上传照片，能够快速的检索到用户的位置等等相关信息。 大数据中宝贵的价值在于能够为人们提供存储和处理大数据的动力。关于大数据时代处理数据理念要全部不要抽样、要高效不要精确，要相关不要因果。基于现在的技术，处理这些大量的数据非常困难。人们对大数据的处理方式都是对静态数据进行处理，对线数据采取实时处理，对图像数据进行综合处理。大数据处理系统的发展趋势主要体现在三个方面：第一方面是数据处理引擎专用化。大数据处理系统必须采用全新的处理体系，使其具有专一性，提高其效率，降低成本，为此，很多互联网企业都在原有的处理系统基础上，研发拓展性能强、通量大、成本低的专用系统；第二方面是数据处理平台呈现出多样化发展。全面的提升传统系统的兼容性，扩展其数据技术的生态环境，使其超良性方向发展；第三方面是数据计算实时化。在大数据平台上，能够对其进行大量的操作，同时，使用的时间非常快，可以缩短到几秒。 要想使大数据平台发挥出应用的价值，必须对大数据的内容进行实时分析和计算。深度学习和知识计算是大数据分析的基础，可视化是数据分析的关键技术，数据分析的结果是大数据呈现的结果。大数据平台处理和分析的最终目标是借助数据分析，帮助人们做出合理的决策。 二、IT支撑能力的规划和建设 2.1系统架构 系统架构根据数据资产运营对IT支撑系统提出的能力要求，在电信行业通常所划分的OSS（OperationSup-portSystem，运营支撑域）、BSS（Business supportsystem，业务支撑域）、MSS（Management supportSystem，管理支撑域）三个域的基础上，新增了ASS（Analysis Support System，分析支撑域）的建设规划，由统一数据接人中心、企业数据中心、数据质量管理中心、能力服务中心、分析应用中心共五大能力服务中心构成。分析支撑域的架构如图1所示。 统一数据接人中心主要引入基于Hadoop架构的云化ETL，利用分布式文件存储降低成本，利用分布式批处理计算提升对数据源ETL过程的执行效率，统一接人来自全网的网络、计费、财务、信令等数据。企业数据中心由传统的经分数据仓库及新引入的MPP分布式数据库组成，利用分布式计算提升高度汇总数据的关联计算的效率，利用Share-nothing架构提升扩容效率。数据质量管理中心负责保障ASS域内外部数据的完整性、准确性、一致性。能力服务中心主要面向上层应用抽象对底层数据操作和基础功能组件能力，为上层应用提供数据及

大数据在通信行业的五种应用

大数据在通信行业的五种应用 开运联合对于“大数据”时代的到来，信息成为企业战略资产，市场竞争要求越来越多的数据被长期保存，每天都会从管道、业务平台、支撑系统中产生大量有价值的数据，基于这些数据的商业智能应用将为运营商带来巨大的机遇。据预测，2016年~2018年，全球移动数据流量将以每年50%的复合增长率增长。到2018年，全球移动数据流量将比2016年增加2倍。如何处理和利用好如此规模的数据，已成为通信企业的迫切任务。作为一家专业的软件开发公司，与其他企业将大数据作为一种商业模式不同，开运联合将大数据当作一种商业资本，在挖掘利用后产生价值。 一精细化营销 在网络时代，基于数据的商业智能应用为运营商带来巨大价值。通过大数据挖掘和处理，可以改善用户体验，及时准确地进行业务推荐和客户关怀；优化网络质量，调整资源配置；助力市场决策，快速准确确定公司管理和市场竞争策略。例如，对使用环节如流量日志数据的分析可帮助区分不同兴趣关注的人群，对设置环节如HLR/HSS数据的分析可帮助区分不同活动范围的人群，对购买环节如CRM的分析可帮助区分不同购买力和信用度的人群，这样针对新的商旅套餐或导航服务的营销案就可以更精准的向平时出行范围较大的人士进行投放。 二网络提升 互联网技术在不断发展，基于网络的信令数据也在不断增长，这给运营商带来了巨大的挑战，只有不断提高网络服务质量，才有可能满足客户的存储需求。在这样的外部刺激下，运营商不得不尝试大数据的海量分布式存储技术、智能分析技术等先进技术，努力提高网络维护的实时性，预测网络流量峰值，预警异常流量，防止网络堵塞和宕机，为网络改造、优化提供参考，从而提高网络服务质量，提升用户体验。 三互联网金融 通信行业的大数据应用于金融行业目前是征信领域。联通与招商银行成立的“招联消费金融公司”即是较好案例。招商与联通的合作模式主要体现在招商银行有对客户信用评级的迫切需求，而联通拥有大量真实而全面的用户信息。当招行需要了解某位潜在客户的信用或个人情况时，可向联通发起申请获得数据；或者给出某些标签。类似于此的商业模式将会在互联网金融大发展时期获得更多重视。目前，国内互联网金融发展的一大壁垒即是信用体系的缺失，而运营商拥有的宝贵大数据将是较好的解决渠道之一。 四合作变现 随着大数据时代的来临，数据量和数据产生的方式发生了重大的变革，运营

2016年电信运营商大数据分析报告(完美版)

(此文档为word格式，可任意修改编辑！） 2016年5月

目录 1 移动互联推动运营商跨入大数据时代 5 2 通信大数据价值对比互联网、金融大数据特点显著 5 21、大数据技术助力运营商数据获取能力拓展 5 22、互联网企业大数据人群广度上仍有所不足 6 23、金融企业大数据在对人群属性定位在过于狭窄7 24、运营商大数据在定位用户O2O需求方面优势显著7 3 DT 时代通信大数据将迎来货币化大机会8 31、通信大数据可细分为五个产业环节9 32、采集环节价值并不显著10 33、非结构化数据特点推动大数据库卡位的价值11 331、创新公司高估值表明大数据底层架构体系受到欢迎12 332、Hadoop 体系将是大数据时代最有可能的发展方向12 333、适应DT时代运营商积极转变13 4 大数据分析将占据未来产业链技术能力核心16 41、分析工具类公司高估值表明大数据分析体系有较高价值16

42、大数据分析将是有别于传统数据分析的新市场17 43、大数据应用将是最大的蛋糕所在19 431、大数据营销公司获得市场青睐19 432、大数据变现将是整个大数据应用的最后一公里19 5、通信大数据应用将迎来蓝海时代20 51、大数据行业现状20 52、运营商大数据商业模式22 521、传统模式：经营分析24 522、第三方分析25 523、精准营销26 524、第三方合作27 53 运营商大数据市场规模28 531、运营商DSP 29 532、消费金融32 533、信息安全监测34 534、运营商大数据加大投入35

6、电信运营商大数据投资建议36 61、运营商大数据进入实质性商业阶段37 62、由互联网服务及行业信息化带来的大量数据所造就的大数据机遇38 63、大数据挖掘技术快速发展39 7、主要公司分析40 71、东方国信41 72、烽火通信42 33、荣之联43 74、风险提示44

电信运营商大数据应用探析

项目门限值，实时判断各主要运行参数是否在正常范围，如射频末级电子管主要电流电压二PSM输出二末级屏耗二天线驻波比等，出现异常情况时及时发出报警，提醒工作人员检查处理，并根据具体情况如临界二过流二过压二打火等，向控制系统发出指令，降低输出功率或关断高压，保护设备安全三同时，一部分开关量信号集中在A131板，如冷却系统的风接点二水接点等通过逻辑电路实现设备保护三如水路系统中，当水泵运行异常水流量持续减小或水泵停转时，热保护继电器FR51二FR56跳开，发射机立即关至OFF，报警提示各水流量计通过的水流量不足，保护电子管和大型真空器件安全三如风冷系统中检测到高压风量不足二低压风量不足时，发射机立即关至AUX，保护电子管和大型真空器件安全三 日常检修时，对于放电球的间距一定要严格按照每对放电球的额定距离执行，绝不可以为了减少放电而随意改动放电球间距三 发射机自动控制系统根据安全监测系统给出的异常情况信号，在保护元器件安全的同时，瞬时过负荷自动恢复，频繁过负荷自动降低输出功率维持播出等功能设计最大限度的保证了设备安全，也保证了播出安全，减少了不必要的停播三可以看出，该型发射机安全保护系统主要通过硬件联锁保护二硬件逻辑保护和软件保护这三级结构来实现人身安全和设备安全三 硬件联锁保护，由硬件联锁线构成，其中包含了钥匙联锁二门开关接点二紧急关机按钮二机保接地开关二通地钩等串联联锁节点，直接关断发射机高压，实现人身安全保护三硬件逻辑保护，利用集成电路的方式，将发射机不同状态(如AUX二FIL二STBY等)下的一部分参数，如水流量二水温二水导二调制变压器温度等，以与门电路的形式，来控制发射机即时工作状态，实现设备保护，逻辑保护比发射机的控制信号有着更高的优先权三 软件保护将发射机所有输入信号进行循环检测，判断是否超出门限设置，是否接近保护值，进而形成附加的关断指令，切断高压，保护设备安全三 3结束语 通过长期的运行和维护，与其他型号发射机相比，切身感受到该型发射机安全保护系统的先进性二严密性和可靠性，在确保人身安全二设备安全和播出安全的同时，对于增强工作人员安全意识，保障工作人员检修安全二提升安全工作水平等方面都有着较好的现实意义三 参考文献 [1]THALES.TSW2500型500KW技术说明书.2005. 收稿日期：2015-1-20 作者简介：康震(1976-)，工程师，工学学士，广播发射系统维护专业三 电信运营商大数据应用探析 应一冰（中国移动通信集团浙江有限公司衢州分公司，浙江衢州324000） 【摘要】本文介绍了大数据的概念及发展现状，论述大数据对于运营商的作用和价值，并分析了在大数据应用过程中运营商面临的挑战。【关键词】大数据；运营商 【中图分类号】F626【文献标识码】A【文章编号】1006-4222（2015）04-0038-02 1大数据概述 1.1大数据产生的背景 随着IDC二云计算二ICT二互联网二物联网等新兴技术的飞速发展，特别是移动互联网的迅猛发展，各行各业在信息化过程当中，不断产生出新的数据三最早提出 大数据 时代到来的是麦肯锡，麦肯锡称: 数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素三人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来三 大数据时代已经来临，大数据必将发展成为重要的新兴产业，一方面海量的多样化数据对信息的有效存储二快速读取二检索提出了挑战；另一方面其中蕴藏的巨大商业价值也引发了对于数据处理二分析的巨大需求[1]三 1.2什么是大数据 大数据是指需要通过快速获取二处理二分析以从中提取价值的海量二多样化的交易数据二交互数据与传感数据三大数据可以理解为是互联网(特别是移动互联网)发展过程中的一种特征或表象，在以云计算为代表的一系列信息技术创新背景下，那些曾经很难收集起来使用的数据开始变得容易被利用和产生价值三现在通过各行各业的不断创新发展，这些数据可以逐渐开始为人类创造更多的有用价值三简单说大数据就是海量数据的产生二获取二挖掘及整合，使之展现出巨大的商业价值三因此，大数据的真正意义在于大价值三在大数据时代已经到来的时候，要用大数据思维去发掘大数据的潜在价值[2]三1.3大数据的特征 业界将大数据的特征归纳为4个V: (1)海量化(Volume):大数据多为非结构化的数据，其超大规模和增长超高三 (2)多样化(Variety):大数据分为文本二图像二视频二网络日志二地理位置二机器数据等多种多样形式数据三 (3)价值化(Value):大数据虽然价值密度低，但商业价值高三通过对大量的不相关信息采取机器学习二人工智能等方式进行预测分析，可挖掘其中的价值三 (4)快速化(Velocity):实效性高，需要进行实时分析，处理速度快，需要进行实时分析三